70
22. Bank Pan Indonesia Tbk
Sampel 16
23. Bank Permata Tbk
X
24. Bank Rakyat Indonesia Persero
Tbk
Sampel 17
25. Bank Swadesi Tbk
X
26.
Bank Tabungan Pensiunan Nasional Tbk
Sampel 18
27. Bank Victoria International Tbk
Sampel 19
28. Bank Windu Kentjana International Tbk
Sampel 20
29. Bank Mutiara Tbk
X
30.
Bank Tabungan Negara Tbk
X
31. Bank Pundi Indonesia Tbk
X
32.
Bank Jawa Barat dan Banten Tbk X
33. Bank Sinamas Tbk
X
34.
Bank Of India Indonesia
X
Sumber : www.idx.co.id, 2013
3.3 Jenis dan Sumber Data
Data yang digunakan adalah data kualitatif dan merupakan data sekunder untuk
semua variabel yaitu CAR Capital Assets Ratio, NPL Net Performong Loan, NPM Net Profit Margin, NIM Net Interest Margin, BOPO Biaya Operasional pada
Pendapatan Operasional, dan LDR Loan to Deposit Ratio. Data sekunder merupakan data primer yang telah diolah lebih lanjut dan disajikan baik pihak
Universitas Sumatera Utara
71
pengumpul data primer maupun pihak lain. Sumber data dalam penelitian ini diperoleh dengan cara mendownload dari situs www.idx.co.id
3.4 Metode Pengumpulan Data
Data yang digunakan dalam penelitian ini adalah data eksternal. Data eksternal adalah data yang umumnya disusun oleh suatu entitas selain peneliti dari organisasi
yang bersangkutan. Metode pengumpulan data yang digunakan dalam penelitian ini adalah metode dokumentasi, yaitu pengumpulan data yang dilakukan dengan cara
mempelajari catatan-catatan atau dokumen-dokumen perusahaan sesuai dengan data yang diperlukan Nur dan Bambang, 2002. Catatan atau dokumen itu berupa laporan
keuangan yang terdiri dari CAR, NPL, NPM, NIM, BOPO dan LDR. Adapun sumber data diperoleh dari publikasi laporan keuangan melalui penelusuran dari
internet yaitu dengan cara mendownload dari situs Bursa efek Indonesia yaitu www.idx.co.id melalui media internet untuk memperoleh laporan tahunan setiap
perusahaan dan juga melalui ICMD Indonesia Capital Market Directory.
3.5 Metode Analisis Data
Metode analisis data yang digunakan dalam penelitian ini adalah metode analisis data kuantitatif yaitu dengan mencari rasio yang didapat dari perhitungan masing-
masing faktor dan komponen berdasarkan metode CAMEL dengan mengacu pada Peraturan Bank Indonesia No.610PBI2004 tanggal 12 April 2004 perihal Sistem
Penilaian Tingkat Bank Umum dan Surat Edaran Bank Indonesia No.623DPNP tanggal 31 Mei 2004 perihal Tatacara Penilaian Tingkat Kesehatan Bank Umum
dengan menggunakan program SPSS sebagai alat untuk menguji data tersebut.
Universitas Sumatera Utara
72
3.5.1 Analisis Statistik Deskriptif
Statistik deskriptif, menurut Ghozali 2005, memberikan gambaran atau deskripsi suatu data yang dilihat dari nilai rata-rata mean, standar deviasi,
varian, maksimum, minimum, sum, range, kurtosis dan skewness kemencengan distribusi. Standar deviasi, varian, maksimum dan minimum menunjukkan hasil
analisis terhadap dispersi data. Sedangkan skewness kemencengan dan kurtosis menunjukkan bagaimana data terdistribusi. Varian dan standar deviasi
menunjukkan penyimpangan data terhadap nilai rata-rata Sulistyowati, 2009. Apabila standar deviasi kecil, berarti nilai sampel atau populasi mengelompok di
sekitar nilai rata-rata hitungnya, karena nilainya hampir sama dengan nilai ratarata,maka dapat disimpulkan bahwa setiap anggota sampel atau populasi
mempunyai kesamaan. Sebaliknya, apabila nilai deviasi besar, maka penyebaran dari rata-rata juga besar. Hal tersebut menunjukkan adanya selisih nilai
maksimum dan minimum yang terlalu ekstrim Suharyadi dan Purwanto, 2003 dalam Sulistyowati, 2009.
3.5.2 Analisis Logistic Regression
Teknik analisis yang digunakan untuk mengukur hipotesis �
1
, �
2
, �
3
, �
4
, �
5
, �
6
dalam penelitian ini adalah analisis logistic regression. Analisis logistic regression digunakan untuk menguji apakah probabilitas
terjadinya variabel terikat dapat diprediksi dengan variabel bebasnya. Analisis ini umumnya dipakai jika asumsi multivariate normal distribution tidak terpenuhi.
Hal ini karena variabel bebas merupakan campuran antara variabel kontinyu
Universitas Sumatera Utara
73
metrik dan kategorial non-metrik Imam Ghozali, 2006. Adapun lebihan dari regresi logistik adalah sebagai berikut Mudrajad Kuncoro, 2005 :
1. Regresi logistik tidak memilki asumsi normalitas atas variabel bebas yang digunakan dalam model. Artinya variabel penjelas tidak harus memilki
distribusi normal, linier, maupun memilki varian yang sama dalam setiap group.
2. Variabel bebas dalam regresi logistik bisa campuran variabel kontinyu, diskrit, dan dikotomis.
3. Regresi logistik sangat bermanfaat digunakan apabila distribusi respon atas variabel terikat diharapkan nonlinier dengan satu atau lebih variabel bebas.
Persamaan logistic regression versi Bank Indonesia dapat dinyatakan sebagai berikut:
�
��
= �
+ �
1
�
1
+ �
2
�
2
+ �
3
�
3
+ �
4
�
4
+ �
5
�
5
+ �
6
�
6
+ �
Dimana : �
��
= Kategori 0 untuk bank tidak sehat menurut rasio keuangan CAMEL Kategori 1 untuk bank sehat menurut rasio keuangan CAMEL
a = konstanta �
1
= CAR �
2
= NPL �
3
= NPM �
4
= NIM �
5
= BOPO
Universitas Sumatera Utara
74
�
6
= LDR e = error
3.5.2.1 Menilai Model fit
Hasil output data dari logistic regression kemudian dianalisis dengan menggunakan penilaian model fit. Langkah pertama yaitu dengan menilai
overall fit model terhadap data. Hipotesis untuk menilai model fit adalah
:
� : Model yang dihipotesiskan fit dengan data
�
�
: Model yang dihipotesiskan tidak fit dengan data
a Fungsi Likelihood
Statistik yang digunakan berdasarkan pada fungsi Likelihood. Likelihood L dari model adalah probabilitas bahwa model yang
dihipotesiskan menggambarkan data input. Untuk menguji hipotesis nol dan alternatif, L ditransformasikan menjadi –2LogL. Statistik -2LogL
sering juga disebut dengan lilkelihood rasio χ2 statistik, dimana χ2
distribusi dengan degre offreedom n–q, q adalah jumlah parameter dalam model.Output SPSS memberikan dua nilai -2LogL yaitu satu untuk model
yang hanya memasukkan konstanta saja dan satu model dengan konstanta serta tambahan bebas.
Statistik -2LogL pada awal block number = 0 dengan angka -2LogL pada block number = 1 dapat juga digunakan untuk menentukan jika
variabel bebas ditambahkan ke dalam model apakah secara signifikan memperbaiki model fit. Selisih -2LogL untuk model dengan konstanta saja
Universitas Sumatera Utara
75
dan -2LogL untuk model dengan konstanta dan variabel bebas didistribusik
an sebagai χ2 dengan df selisih df kedua model. Apabila terjadi penurunan maka dapat ditarik kesimpulan bahwa model tersebut
menunjukkan model regresi yang baik dan model yang dihipotesiskan fit dengan data.
b Cox dan Snell’s R Square dan Negelkerke’s R Square
Cox dan Snell’s R Square merupakan ukuran yang mencoba meniru ukuran R
2
pada multiple regression yang didasarkan pada teknik estimasi likelihood dengan nilai maksimum kurang dari 1 satu sehingga sulit
untuk diinterpretasikan. Negelkerke’s R square merupakan modifikasi dari koefisien Cox dan Snell’s untuk memastikan bahwa nilainya bervariasi dari
0 nol sampai 1 satu. Nilai Nagelkerke R Square dalam model regresi logistik ini menunjukkan koefisien determinasi yang gunakan untuk
mengetahui seberapa besar variabilitas variabel-variabel independen mampu memperjelas variabilitas variabel dependen. Nilai ini didapat
dengan cara membagi nilai Cox dan Snell’s R Square dengan nilai maksimumnya. Nilai Negelkerke’s R
2
dapat diinterpretasikan seperti nilai R
2
pada multiple regression.
c Hosmer and Lemeshow’s Goodness of Fit Test
Hosmer and Lemeshow’s Goodness of Fit Test menguji hipotesis nol
bahwa data empiris cocok atau sesuai dengan model tidak ada perbedaan antara model dengan data sehingga model dapat dikatakan fit. Jika nilai
Universitas Sumatera Utara
76
Hosmer and Lemeshow’s Goodness of Fit Test statistik sama dengan atau
kurang dari 0.05, maka hipotesis 0 ditolak yang berarti ada perbedaan signifikan antara model dengan nilai observasinya sehingga Goodness fit
model tidak baik karena model tidak dapat memprediksi nilai observasinya. Jika nilai Hosmer and Lemeshow’s Goodness of Fit Test lebih besar dari
0.05, maka hipotesis 0 tidak dapat ditolak dan berarti model mampu memprediksi nilai observasinya atau dapat dikatakan model dapat diterima
karena cocok dengan data observasinya.
3.5.2.2 Uji Multikolinearitas
Regresi yang baik adalah regresi yang ditunjukkan dengan tidak adanya gejala korelasi yang kuat antara variabel bebasnya. Pengujian
multikolinearitas menggunakan matrik korelasi antar variabel bebas untuk melihat besarnya korelasi antar variabel independen. Jika korelasi yang
terjadi kurang dari 0,98 ,berarti tidak terjadi multikolinearitas, sedangkan jika koefisien yang terjadi diatas 0,98, maka terjadi multikolinearitas dan
berarti model regresi yang digunakan tidak baik.
3.5.2.3 Tabel Klasifikasi
Tabel klasifikasi 2×2 menghitung nilai estimasi yang benar correct dan salah incorrect. Pada kolom merupakan dua nilai prediksi dari
variabel dependen dan dalam hal ini sehat 1 dan tidak sehat 0, sedangkan pada baris menunjukkan nilai observasi sesungguhnya dari
variabel dependen sehat 1 dan tidak sehat 0. Pada model yang
Universitas Sumatera Utara
77
sempurna, maka semua kasus akan berada pada diagonal dengan tingkat ketepatan peramalan 100. Jika model logistik memiliki homo
skedastisitas, maka persentase yang benar correct akan sama untuk kedua baris.
3.5.2.4 Pengujian Hipotesis
Analisis ini dilakukan untuk mengetahui pengaruh variabel bebas terhadap variabel terikat. Pengujian hipotesis dilakukan dengan cara
membandingkan antara nilai probabilitas sig. Apabila terlihat angka signifikan lebih kecil dari 0,05 maka koefisien regresi adalah signifikan
pada tingkat 5 maka berarti H
ditolak dan H
1
diterima, yang berarti bahwa variabel bebas berpengaruh secara signifikan terhadap terjadinya
variabel terikat. Begitu pula sebaliknya, jika angka signifikansi lebih besar dari 0,05 maka berarti
H diterima dan
H
1
ditolak, yang berarti bahwa variabel bebas tidak berpengaruh secara signifikan terhadap terjadinya
variabel terikat. Estimasi maksimum likelihood parameter dari model dapat dilihat
pada tampilan output variabel in the equation. Dari variabel persamaan tersebut dapat diketahui persamaan regresi dari model ini.
Universitas Sumatera Utara
78
3.2 Jadwal Penelitian
Tabel 3.2 Jadwal Penelitian
Tahapan Penelitian 2013
Jan Feb
Mar Apr
Mei Juli
Pengajuan Judul Penyelesaian Proposal
Pengumpulan Data Pengolahan Data
Bimbingan Penyelesaian Ujian Komprehensif
Universitas Sumatera Utara
79
BAB IV HASIL DAN PEMBAHASAN
4.1 Deskripsi Objek Penelitian
Data yang digunakan dalam penelitian ini adalah sebanyak 20 perusahaan perbankan yang terdaftar di Bursa Efek Indonesia selama periode tahun 2009-2011
berturut-turut. Sehingga diperoleh sampel sejumlah 20 x 3 tahun = 60 observasi. Data yang digunakan adalah laporan keuangan perusahaan perbankan publikasi Bank
Indonesia yang diperoleh dari situs www.idx.co.id. Daftar perusahaan sampel yang digunakan dalam penelitian ini dapat dilihat dalam tabel 4.1 di bawah ini:
Tabel 4.1 Daftar Nama Perusahaan Perbankan Penelitian
NO NAMA PERUSAHAAN
KODE
1
Bank Agroniaga Tbk
AGRO 2
Bank Artha Graha Internasional Tbk
INPC 3
Bank Bukopin Tbk
BBKP 4
Bank Capital Indonesia Tbk BACA
5
Bank Central Asia Tbk
BBCA 6
Bank CIMB Niaga Tbk
BNGA 7
Bank Danamon Indonesia Tbk
BDMN 8
Bank Ekonomi Raharja Tbk
BAEK 9
Bank Himpunan Saudara 1906 Tbk
SDRA
Universitas Sumatera Utara